[发明专利]一种基于小波去噪生成对抗网络的股票收盘价预测方法

说明书

本发明公开了一种基于小波去噪生成对抗网络的股票收盘价预测方法，选取股票数据中的收盘价作为数据集，并对数据集进行预处理，将数据集划分为训练集与测试集；构建包括生成器和判别器的股票收盘价预测模型；生成器由门控循环单元构成，用在于生成股票数据；所述判别器由卷积神经网络构成，用于区分真假数据；利用单支重构原理构建生成器目标函数；将以N日为窗口划分的数据记为“真”，将以(N‑1)日为窗口划分的数据输入生成器所得到的结果记为“假”，一起输入判别器中输出真伪的判断结果。本文利用基于小波去噪的生成对抗网络预测未来数据具有较高的精度。

技术领域

本发明属于信息处理领域，涉及一种基于小波去噪生成对抗网络的股票收盘价预测模型。

背景技术

由于深度学习在数据方面具有强大的处理能力，所以在很多领域都取得了巨大的成功，而股市预测是金融领域最受欢迎和最有价值的领域之一。

中国专利CN 107239855A公开了一种基于LSTM模型的股票预测方法和系统，采用了LSTM模型构建股票预测模型适用于周期性强的数据和序列数据，解决长期依赖问题，比传统时间序列模型等更加灵活调参。基于机器学习方法方面，中国专利CN 109360097A公开了一种基于深度学习的股票预测方法，通过先利用复合神经网络中的卷积神经网络学习目标股票和关联股票的交易数据的特征，再将特征输入到复合神经网络中的长短期记忆网络进行处理，得到对股票涨跌的预测，提供了一种基于深度学习和群体智能的股票预测方法，可以准确地预测股票的涨跌。中国专利CN 112163951A公开了提供了一种结合投资者心理情绪与股市历史交易数据相结合的股票预测方法，从而有效缓解了LSTM循环神经网络梯度爆炸梯度弥散的问题，进一步提高股市预测的准确性，中国专利CN 108074007A公开了涉及信息处理领域中的一种人工智能超深度学习的股票预测方法，可将所有与预测有关的因素，以及各种数学模型所产生的预测效果通过超深度学习构建成一个预测平台，并对预测结果进行多次的机器学习从而达到最佳化的预测，同时还可以进行自动的或人为的模糊参数的修正，在股票预测上具有突破性。中国专利CN 113129148A公开了一种融合生成对抗网络与二维注意力机制的股票预测方法，可以产生更为精准、更为理想的股票价格预测结果。

但由于股市的复杂性，上述专利仍然存在预测精度不高的问题，本文提出了一种结合小波去噪的生成对抗网络，它的生成器是由门控神经单元构成，判别器是由卷积神经网络构成，并基于小波去噪的特性构造了新的目标函数，将其应用于生成器中，实验结果表明其具有较高的预测精度。

发明内容

发明目的：针对现有技术中的不足之处，提出了一种基于小波去噪生成对抗网络的股票收盘价预测方法，生成器是由门控循环单元构成，其作用在于生成股票数据；判别器由卷积神经网络构成，作用在于区分真假数据。

技术方案：本发明提供一种基于小波去噪生成对抗网络的股票收盘价预测方法，具体包括以下步骤：

(1)选取股票数据中的收盘价作为数据集，并对数据集进行预处理，将数据集划分为训练集与测试集；

(2)构建包括生成器和判别器的股票收盘价预测模型；所述生成器是由门控循环单元构成，用在于生成股票数据；所述判别器由卷积神经网络构成，用于区分真假数据；

(3)利用单支重构原理构建生成器目标函数；

(4)将以N日为窗口划分的数据记为“真”，将以(N-1)日为窗口划分的数据输入生成器所得到的结果记为“假”，一起输入判别器中输出真伪的判断结果。

进一步地，所述步骤(1)包括以下步骤：

(11)对数据进行量纲处理，即标准化；

(12)对数据进行小波去噪，再对高频系数进行去噪处理，最后单支重构；

(13)滚动划分数据集，并按照8:2划分训练集测试集。